import pandas as pd
import numpy as np
import plotly.express as px
import plotly.subplots as sp
import plotly.graph_objects as go

# Load the dataset
dataset_path = "data/exoplanets/all_exoplanets_2021.csv"
exoplanet_data = pd.read_csv(dataset_path)

# Filter the columns from the total 23
selected_columns = [
    "Planet Name",                   # string (name of the planet)
    "Planet Host",                   # string (name of the star system)
    "Num Stars",                     # int (number of stars in that star system)
    "Num Planets",                   # int (number of planets discovered in that star system)
    "Discovery Method",              # string (method used)
    "Discovery Year",                # int (year of discovery)
    "Discovery Facility",            # string (observatory)
    "Orbital Period Days",           # double (orbital period of the planet around the star [earth days])
    "Orbit Semi-Major Axis",         # double (greater distance from the star [AU (149 597 870 700 m)])
    "Mass",                          # double (mass of the planet [earth mass])
    "Stellar Effective Temperature", # double (average surface temperature of the star [Kelvin])
    "Stellar Radius",                # double (radius of the star [solar radius])
    "Stellar Mass",                  # double (mass of the star [solar masses])
    "Stellar Surface Gravity",       # double (average surface gravity [log g])
    "Distance"                       # double (distance from our system [Parsec])
]
filtered_data = exoplanet_data[selected_columns]

filtered_data.head(5)

filtered_data.shape

(4575, 15)

planets_per_year = filtered_data['Discovery Year'].value_counts().sort_index()

# Creare un istogramma ridimensionato con proporzioni mantenute
discovery_year_histogram = px.bar(
    planets_per_year,
    x=planets_per_year.index,
    y=planets_per_year.values,
    labels={'x': 'Discovery Year', 'y': 'Number of Planets Discovered'},
    title='Number of Exoplanets Discovered Per Year',
    text_auto=True  # Mostra i valori sopra le barre
)

# Modificare l'asse X per aggiungere tick con linee visibili
discovery_year_histogram.update_layout(
    yaxis=dict(
        type="log",  # Scala logaritmica
        title="Number of Planets Discovered (Log Scale)"
    ),
    xaxis=dict(
        title="Discovery Year",
        tickmode="linear",  # Tick lineari
        dtick=1,  # Tick ogni anno
        ticklen=5,  # Lunghezza delle righe dei tick
        tickwidth=1,  # Spessore delle righe dei tick
        tickvals=planets_per_year.index,  # Mostra righe dei tick per ogni anno
        showline=True,  # Mostra la linea dell'asse
        showgrid=False  # Disabilita le linee della griglia
    ),
    title=dict(
        x=0.5  # Centrare il titolo
    ),
    width=1280,  # Larghezza della figura (ridotta per powerpioint)
    height=720
)

# Visualizzare il grafico
discovery_year_histogram.show()

# Contare la frequenza di stelle per sistema
stars_per_system = filtered_data['Num Stars'].value_counts()

# Contare la frequenza di pianeti per sistema
planets_per_system = filtered_data['Num Planets'].value_counts()

# Creare la sottotrama
fig = sp.make_subplots(
    rows=1, cols=2, 
    subplot_titles=['Number of Stars per System', 'Number of Planets per System']
)

# Aggiungere il grafico istogramma per il numero di stelle per sistema
fig.add_trace(
    go.Bar(
        x=stars_per_system.index, 
        y=stars_per_system.values, 
        name="Stars per System"
    ), 
    row=1, col=1
)

# Aggiungere il grafico istogramma per il numero di pianeti per sistema
fig.add_trace(
    go.Bar(
        x=planets_per_system.index, 
        y=planets_per_system.values, 
        name="Planets per System"
    ), 
    row=1, col=2
)

# Modificare il layout
fig.update_layout(
    title_text="Distribution of the Number of Stars and Planets per System",
    showlegend=False,  # Rimuove la legenda
    width=1280,  # Larghezza per slide PowerPoint
    height=720   # Altezza per slide PowerPoint
)

# Impostare l'asse Y in scala logaritmica per entrambi i grafici
fig.update_yaxes(type="log", row=1, col=1)  # Grafico di sinistra
fig.update_yaxes(type="log", row=1, col=2)  # Grafico di destra

# Configurare i tick sull'asse X per mostrare solo valori interi
fig.update_xaxes(
    tickmode="array",
    tickvals=stars_per_system.index,
    ticktext=[str(int(x)) for x in stars_per_system.index],  # Mostra solo valori interi come etichette
    row=1, col=1
)

fig.update_xaxes(
    tickmode="array",
    tickvals=planets_per_system.index,
    ticktext=[str(int(x)) for x in planets_per_system.index],  # Mostra solo valori interi come etichette
    row=1, col=2
)

# Visualizzare il grafico
fig.show()

# Trovare i 5 pianeti più massicci e i 5 meno massicci
most_massive_planets = filtered_data.nlargest(5, "Mass")[["Planet Name", "Mass"]]
least_massive_planets = filtered_data.nsmallest(5, "Mass")[["Planet Name", "Mass"]]

# Creare la sottotrama
fig = sp.make_subplots(
    rows=1, cols=2, 
    subplot_titles=["5 Most Massive Planets", "5 Least Massive Planets"],
    horizontal_spacing=0.2
)

# Aggiungere il grafico per i 5 pianeti più massicci (asse invertito)
fig.add_trace(
    go.Bar(
        y=most_massive_planets["Planet Name"], 
        x=most_massive_planets["Mass"], 
        name="Most Massive Planets",
        orientation="h"  # Orientamento orizzontale
    ),
    row=1, col=1
)

# Aggiungere il grafico per i 5 pianeti meno massicci (asse invertito)
fig.add_trace(
    go.Bar(
        y=least_massive_planets["Planet Name"], 
        x=least_massive_planets["Mass"], 
        name="Least Massive Planets",
        orientation="h"  # Orientamento orizzontale
    ),
    row=1, col=2
)

# Modificare il layout per PowerPoint
fig.update_layout(
    title_text="Most and Least Massive Planets",
    showlegend=False,
    yaxis_title="Planet Name (Most Massive)",
    xaxis_title="Mass [Earth Masses]",
    yaxis2_title="Planet Name (Least Massive)",
    xaxis2_title="Mass [Earth Masses]",
    width=1280,  # Larghezza per PowerPoint
    height=720   # Altezza per PowerPoint
)

# Allineare meglio le etichette
fig.update_yaxes(autorange="reversed", row=1, col=1)  # Ordinamento inverso per migliorare leggibilità
fig.update_yaxes(autorange="reversed", row=1, col=2)

# Visualizzare il grafico
fig.show()

# Filtrare i dati per escludere valori nulli
filtered_data_non_null = filtered_data.dropna(subset=["Stellar Radius"])

# Trovare i valori di raggio più piccolo e più grande
min_radius = filtered_data_non_null["Stellar Radius"].min()
max_radius = filtered_data_non_null["Stellar Radius"].max()
sun_radius = 1  # Raggio del Sole (unità di misura)

# Creare un DataFrame con i dati per il confronto
radius_comparison = pd.DataFrame({
    "Star": ["Smallest Star", "Sun (Reference)", "Largest Star"],
    "Radius [Solar Radii]": [min_radius, sun_radius, max_radius],
    "Radius for Plot": [min_radius * 10, sun_radius * 10, max_radius * 10]  # Ingrandire per visibilità
})

# Creare il grafico scatter con cerchi proporzionali al raggio
fig = px.scatter(
    radius_comparison,
    x=["Smallest Star", "Sun (Reference)", "Largest Star"],  # Posizioni fisse sull'asse X
    y=[0, 0, 0],  # Tutti i punti sono sulla stessa linea (visivamente centrati)
    size="Radius for Plot",  # Proporzionalità del cerchio
    size_max=250,  # Limite massimo per i cerchi
    color_discrete_sequence=["orange"],  # Colore arancione per i cerchi
    labels={"x": "Star dimension", "size": "Stellar Radius (Solar Radii)"},
    title="Comparison of Stellar sizes: Smallest Star, Sun, Largest Star",
    template="plotly_white"
)

# Personalizzare il layout
fig.update_layout(
    width=1280,  # Dimensioni per slide PowerPoint
    height=720,
    showlegend=False,  # Rimuovere legenda
    yaxis=dict(visible=False),  # Nascondere l'asse Y
    xaxis_title="Stars",
    xaxis=dict(showgrid=False)  # Nascondere la griglia
)

# Mostrare il grafico
fig.show()

# Filtrare i metodi con almeno 5 scoperte totali
method_totals = filtered_data["Discovery Method"].value_counts()
valid_discovery_methods = method_totals[method_totals >= 10].index
filtered_discovery_data = filtered_data[filtered_data["Discovery Method"].isin(valid_discovery_methods)]

# Raggruppare per anno e metodo di scoperta e contare il numero di pianeti scoperti
discovery_trend_filtered = (
    filtered_discovery_data.groupby(["Discovery Year", "Discovery Method"])["Planet Name"]
    .count()
    .reset_index(name="Count")
)

# Creare il grafico a linee con dimensioni per slide PowerPoint
fig = px.line(
    discovery_trend_filtered,
    x="Discovery Year",
    y="Count",
    color="Discovery Method",
    labels={
        "Discovery Year": "Year",
        "Count": "Number of Planets Discovered"
    },
    title="Trend of Discovery Methods Over Time",
    template="plotly_white"
)

# Impostare l'asse Y in scala logaritmica
fig.update_layout(
    yaxis=dict(
        type="log",  # Scala logaritmica
        title="Number of Planets Discovered (Log Scale)"
    ),
    title=dict(
        x=0.5  # Centrare il titolo
    ),
    width=1280,  # Larghezza
    height=720   # Altezza
)

# Visualizzare il grafico
fig.show()

from plotly.subplots import make_subplots

# Filtrare i metodi di scoperta con almeno 3 entries
method_counts = filtered_data["Discovery Method"].value_counts()
filtered_methods = method_counts[method_counts >= 3].index

# Filtrare i dati originali per i metodi selezionati
filtered_discovery_data = filtered_data[filtered_data["Discovery Method"].isin(filtered_methods)]

# Conteggio dei metodi dopo il filtraggio e ordinamento in ordine crescente
method_counts_filtered = filtered_discovery_data["Discovery Method"].value_counts().sort_values(ascending=True)

# Creazione del grafico subplot
fig = make_subplots(
    rows=1,
    cols=2,
    subplot_titles=("Number of Planets Discovered by Method", "Distance Distribution by Method"),
    horizontal_spacing=0.15,
    shared_yaxes=True  # Condivide l'asse Y
)

# Primo subplot: Istogramma del numero di pianeti scoperti per metodo
fig.add_trace(
    go.Bar(
        x=method_counts_filtered.values,
        y=method_counts_filtered.index,
        orientation='h',  # Orientazione orizzontale
        text=method_counts_filtered.values,  # Aggiungere il numero effettivo come testo
        textposition='auto',  # Posizionare il testo automaticamente
        name="Number of Planets"
    ),
    row=1,
    col=1
)

# Secondo subplot: Boxplot delle distanze per metodo
fig.add_trace(
    go.Box(
        x=filtered_discovery_data["Distance"],
        y=filtered_discovery_data["Discovery Method"],
        name="Distance Distribution",
        orientation='h',  # Orientazione orizzontale
    ),
    row=1,
    col=2
)

# Impostare l'asse X del primo subplot in scala logaritmica
fig.update_xaxes(
    type="log",  # Scala logaritmica
    title_text="Number of Planets (Log Scale)",
    row=1,
    col=1
)

# Configurazione del layout generale per PowerPoint
fig.update_layout(
    title_text="Discovery Methods Analysis: Number of Planets and Distance Distribution",
    xaxis2_title="Distance [pc]",  # Asse X del secondo subplot
    yaxis_title="Discovery Method",
    showlegend=False,
    height=720,  # Altezza per slide PowerPoint
    width=1280,  # Larghezza per slide PowerPoint
    template="plotly_white"
)

# Mostrare il grafico
fig.show()

# Filtrare i metodi di scoperta con almeno 5 entries
method_counts = filtered_data["Discovery Method"].value_counts()
filtered_methods = method_counts[method_counts >= 10].index
data_for_scatter = filtered_data[filtered_data["Discovery Method"].isin(filtered_methods)]

# Creare uno scatter plot formattato per PowerPoint
fig = px.scatter(
    data_for_scatter,
    x="Mass",
    y="Orbit Semi-Major Axis",
    color="Discovery Method",
    labels={
        "Mass": "Planet Mass [Earth Masses]",
        "Orbit Semi-Major Axis": "Planet Orbit Semi-Major Axis [AU]"
    },
    title="Planet Mass vs Planet Orbit Semi-Major Axis",
    template="plotly_white",
    log_x=True,  # Scala logaritmica sull'asse X
    log_y=True   # Scala logaritmica sull'asse Y
)

# Formattare il grafico per PowerPoint
fig.update_layout(
    width=1280,  # Larghezza per PowerPoint
    height=720   # Altezza per PowerPoint
)

# Mostrare il grafico
fig.show()

# Conteggiare il numero di pianeti scoperti da ciascuna struttura
facility_counts = filtered_data['Discovery Facility'].value_counts()

# Separare i primi 10 osservatori
top_10_facilities = facility_counts.head(10)

# Calcolare il totale di "Others" includendo anche "Multiple Observatories"
others_count = facility_counts[10:].sum()
if "Multiple Observatories" in top_10_facilities.index:
    others_count += top_10_facilities["Multiple Observatories"]
    top_10_facilities = top_10_facilities.drop("Multiple Observatories")

# Aggiungere "Others" ai dati
top_10_facilities_with_others = pd.concat([top_10_facilities, pd.Series({"Others": others_count})])

# Ordinare i valori (escludendo temporaneamente "Others")
top_10_facilities_sorted = top_10_facilities_with_others.drop("Others").sort_values(ascending=True)

# Aggiungere "Others" all'inizio
top_10_facilities_sorted = pd.concat([pd.Series({"Others": others_count}), top_10_facilities_sorted])

# Creare l'istogramma
facility_histogram = px.bar(
    top_10_facilities_sorted,
    y=top_10_facilities_sorted.index,
    x=top_10_facilities_sorted.values,
    labels={'x': 'Number of Planets Discovered', 'y': 'Discovery Facility'},
    title='Top Discovery Facilities by Number of Planets Discovered',
    text_auto=True  # Mostra i valori sopra le barre
)

# Aggiungere opzioni per migliorare la leggibilità
facility_histogram.update_layout(
    yaxis_title="Discovery Facility",
    xaxis_title="Number of Planets Discovered",
    template="plotly_white",  # Tema chiaro
    width=1280,  # Larghezza per slide PowerPoint
    height=720   # Altezza per slide PowerPoint
)

# Lista di osservatori non terrestri
custom_space_facilities = ["Kepler", "K2", "Transiting Exoplanet Survey Satellite (TESS)"]

# Colori specifici per le barre
facility_histogram.update_traces(marker_color=[
    'gray' if i == "Others" else 
    '#636EFA' if i in custom_space_facilities else 
    'red' for i in top_10_facilities_sorted.index
])

# Aggiungere la legenda personalizzata
facility_histogram.add_trace(
    go.Scatter(
        x=[None], y=[None],
        mode="markers",
        marker=dict(size=10, color='#636EFA'),
        name="Space Observatories"
    )
)

facility_histogram.add_trace(
    go.Scatter(
        x=[None], y=[None],
        mode="markers",
        marker=dict(size=10, color='red'),
        name="Ground-based Observatories"
    )
)

# Visualizzare il grafico
facility_histogram.show()

# Filtrare i dati per escludere valori nulli nella colonna della massa
filtered_data_non_null = filtered_data.dropna(subset=["Orbit Semi-Major Axis", "Orbital Period Days", "Mass"])

# Creare una colonna personalizzata per limitare la massa a 2000 per visualizzare meglio il gradiente
filtered_data_non_null["Mass (Capped)"] = filtered_data_non_null["Mass"].apply(lambda x: min(x, 2000))

# Creare uno scatter plot per confrontare distanza e periodo orbitale con gradiente basato sulla massa limitata
fig = px.scatter(
    filtered_data_non_null,
    x="Orbit Semi-Major Axis",
    y="Orbital Period Days",
    color="Mass (Capped)",  # Usare la massa limitata per il gradiente
    color_continuous_scale="Viridis",  # Scala colore continua
    labels={
        "Orbit Semi-Major Axis": "Orbit Semi-Major Axis [AU]",
        "Orbital Period Days": "Orbital Period [Days]",
        "Mass (Capped)": "Planet Mass"
    },
    title="Orbital Period vs Semi-Major Axis Colored by Planet Mass",
    template="plotly_white",
    log_x=True,  # Scala logaritmica sull'asse X
    log_y=True   # Scala logaritmica sull'asse Y
)

# Formattare il grafico per slide PowerPoint
fig.update_layout(
    width=1280,
    height=720 
)

# Mostrare il grafico
fig.show()

# Filtrare i dati per escludere valori nulli
filtered_data_non_null = filtered_data.dropna(subset=["Stellar Radius", "Stellar Mass", "Stellar Surface Gravity"])

# Creare una colonna personalizzata per limitare il raggio a 5
filtered_data_non_null["Stellar Radius (Capped)"] = filtered_data_non_null["Stellar Radius"].apply(lambda x: min(x, 5))

# Creare il grafico scatter
fig = px.scatter(
    filtered_data_non_null,
    x="Stellar Mass",
    y="Stellar Surface Gravity",
    color="Stellar Radius (Capped)",  # Utilizza il raggio limitato come scala colore
    labels={
        "Stellar Mass": "Stellar Mass [Solar Masses]",
        "Stellar Surface Gravity": "Stellar Surface Gravity (log g)",
        "Stellar Radius (Capped)": "Stellar Radius"
    },
    title="Stellar Surface Gravity vs Stellar Mass with Stellar Radius",
    template="plotly_white",
    color_continuous_scale="Jet"  # Utilizza una scala di colori
)

# Configurare l'intervallo degli assi
fig.update_layout(
    yaxis=dict(
        range=[0, 6],  # Limita l'intervallo tra 0 e 6
        title="Stellar Surface Gravity (log g)"
    ),
    xaxis=dict(
        range=[0, 5],  # Limita l'intervallo tra 0 e 5
        title="Stellar Mass [Solar Masses]"
    ),
    width=1280,  # Larghezza per PowerPoint
    height=720   # Altezza per PowerPoint
)

fig.update_coloraxes(
    colorbar_title="Stellar Radius [solar R]",
    cmin=filtered_data_non_null["Stellar Radius (Capped)"].min(),  # Valore minimo
    cmax=5,  # Limita il valore massimo a 5
    colorbar=dict(
        tickvals=[filtered_data_non_null["Stellar Radius (Capped)"].min(), 1, 2, 3, 4, 5],  # Tick personalizzati
        ticktext=["0", "1", "2", "3", "4", "5+"]
    )
)

# Visualizzare il grafico
fig.show()

	Planet Name	Planet Host	Num Stars	Num Planets	Discovery Method	Discovery Year	Discovery Facility	Orbital Period Days	Orbit Semi-Major Axis	Mass	Stellar Effective Temperature	Stellar Radius	Stellar Mass	Stellar Surface Gravity	Distance
0	11 Com b	11 Com	2	1	Radial Velocity	2007	Xinglong Station	326.03000	1.29	6165.6000	4742.0	19.00	2.70	2.31	93.1846
1	11 UMi b	11 UMi	1	1	Radial Velocity	2009	Thueringer Landessternwarte Tautenburg	516.21997	1.53	4684.8142	4213.0	29.79	2.78	1.93	125.3210
2	14 And b	14 And	1	1	Radial Velocity	2008	Okayama Astrophysical Observatory	185.84000	0.83	1525.5000	4813.0	11.00	2.20	2.63	75.4392
3	14 Her b	14 Her	1	2	Radial Velocity	2002	W. M. Keck Observatory	1773.40002	2.93	1481.0878	5338.0	0.93	0.90	4.45	17.9323
4	16 Cyg B b	16 Cyg B	3	1	Radial Velocity	1996	Multiple Observatories	798.50000	1.66	565.7374	5750.0	1.13	1.08	4.36	21.1397

Analysis of the dataset of discovered exoplanets (2021) - Group D (Teggi, Verdolin)¶

Data import, filtering and preparation for analysis¶

Basic analysis¶

Number of Discovered Planets per Year¶

Number of Stars and Planets per System¶

Top 5 most and least massive exoplanets¶

Top 5 most and least massive stars¶

Discovery methods analysis¶

Discovery Methods over time (min 10 entries)¶

Discovery Methods and Distances¶

Correlation Between Planet Mass and Orbital Distance Across Discovery Methods¶

Other analysis¶

Top 9 Discovery Facilities by Number of Planets Discovered¶

Orbital Period vs Semi-Major Axis Colored by Planet Mass¶

Relationship Between Stellar Surface Gravity and Mass with Stellar Radius Highlighted¶